BTC:机器学习能否预测加密货币的价格？_OIN

作者：

时间：

这份实用指南提供了你预测加密货币价格飞速上涨所需的基础知识。

十五年前，我开始探索数字货币的世界，并为一个只使用短信的点对点移动货币平台做了原型。

最近，我的一位合作者问我，人工智能是否可以预测加密货币的价格。她对区块链的炒作很好奇。

经过研究，我发现预测加密货币价格是一个可以解决的问题，但绝对不是针对所有市场条件。

加密资产的典型预测模型将利用时间序列预测、机器学习或深度学习方法。

在本文中，我研究了在预测给定日期的Litecoin平均价格时，片断插值的表现如何。

数据

我们将关注2013年4月至2021年2月期间Litecoin的历史价格。这些数据取自coinmarketcap，并且是可以免费使用的。我将数据分为80%的训练数据集和20%的测试数据集。后者用于评估我们预测收盘价的准确性。

多个AI聊天机器人就比特币成为世界储备货币的能力进行了回复:金色财经报道，Bitcoin.com记者Jamie Redman就比特币成为世界储备货币的能力采访了ChatGPT 3.5和ChatGPT 4，Bard，Claude Instant和Claude 4，以及Bing AI等流行的AI聊天机器人。其中：

ChatGPT 3.5发现很难评估比特币和其他数字资产的潜力，理由是存在问题和不确定性。在他看来，获得储备货币地位的可能性取决于当前事件和加密货币生态系统的演变。

Bard指出，中央银行和其他金融机构需要更多地采用比特币，以及提高价格稳定性和改进区块链技术。如果比特币能够克服这些挑战，它可能会在未来十年内成为全球储备资产。然而，这也有可能永远不会发生，或者需要更长的时间才能达到这个目标。

Claude 4基于“对比特币属性和当前全球金融体系的分析”，评估了比特币在未来10到15年内被认可为储备货币的可能性从低到中等。

Claude Instant以稳定性和接受度问题的形式引用了比特币的“重大障碍”，称这种发展在未来 5-10 年内不太可能发生。

ChatGPT 4表示，比特币要达到储备货币地位还需要几年甚至几十年。聊天机器人指出了BTC的波动性、监管要求、来自其他加密货币的竞争和技术风险。

Bing AI列出了一些将决定比特币命运的因素。包括：大量接受资产，包括被金融机构接受；技术创新和改进、可扩展性和可用性；加密货币法律地位的监管和管理、税收和监管合规性；与其他加密资产和法定货币的竞争和互动。[2023/6/12 21:32:19]

加密货币Litecoin的价格历史(Source:?Kaggle)

数字资产平台FalconX正研发由ChatGPT驱动的机器人“Satoshi”:4月29日消息，数字资产平台FalconX正在研发由ChatGPT驱动的机器人“Satoshi”，以比特币创始人中本聪的名字命名，可根据加密用户的历史交易活动、投资组合和兴趣为他们提供投资建议。

FalconX表示，除了OpenAI的FalconX，它计划集成的其他大语言模型，例如谷歌的Bard。Satoshi仍处于测试阶段，尚未与交易所订单簿等平台集成，也无法为专业用户生成交易图表和其他必要工具。[2023/4/29 14:34:45]

短暂的探索性数据分析显示，平均收盘价在年初和年末是最高的。10月份最低。

多项式回归?

你可能听说过多项式回归，这可以说是创建一个阶数为d的基础来近似一个非线性函数的最简单例子。

一MEV机器人花费31.06ETH交易费进行抢先交易:11月11日消息，PeckShield在推特上表示，一 MEV 机器人花费 31.06 枚以太坊的交易费用对一笔约 2500 万美元的交易发动「三明治攻击」，使得打包该区块的验证者总共获得了 32.09 枚以太坊（价值约 4.08 万美元）的奖励。[2022/11/11 12:51:52]

我对Litecoin的历史价格进行了简单的多项式回归，使用5、25和80的阶数。在每种情况下，R2值将提供一些关于模型在测试数据集上的拟合度好坏的信息。

从下面的蓝线与训练数据的拟合度来看，我们可以观察到随着多项式阶数的增加，曲线越来越陡峭。这是由于模型复杂性增加，因为高阶多项式试图追逐训练集中的每一个单一数据点。

动态 | 机器人艺术家的创作过程被记录在区块链上:据Cryptovibes消息，俄罗斯机器人公司Robonomics Network制造了一个叫做Gaka-Chu的机器人，这个机器人擅长写日语中的汉字，也能创作一些简单的画。Gaka-Chu建立在基于以太坊的解决方案上，允许与机器人之间建立智能合约，创作全过程和质量控制记录都被记录在区块链上，可用于追溯创作过程，也可以用于分析消费者需求。[2019/1/18]

第0天代表2013年4月30日，第2800天代表2021年2月28日。

特别是在有离群值的区域，高阶多项式往往会向这些离群值的方向发展。因此，80阶多项式的模型具有最高的方差。

它在训练数据上的偏差也是最低的，这体现在最高的R2值上，相比之下，低阶多项式的R2更低，意味着更高的偏差但更低的方差。低阶多项式对训练数据的敏感性较低。

分片插值?

我发现一个更灵活的方法是使用片断多项式来预测加密货币价格。

分片插值用低阶多项式拟合大量的数据点。由于我们只使用低阶多项式，我们消除了过度的振荡和非收敛性。

给定一组数据点，分片插值的工作原理是在每一部分数据中使用不同的多项式。

特别是，我们使用连接的分片多项式，也称为样条。

样条的一个例子是下面的截断线性函数。它在4的左边是平的，称为函数的结。

给定几个结点，我们可以将多个线性基函数组合起来，并将其拟合到非线性数据中。

为了检测加密货币价格中存在的高度曲线关系，我使用了一个截断的三次函数，也叫三次样条。

使用三次样条，我们将数据分割成块，并对每个块拟合一个三次样条。每个样条函数在结点处连接到下一个函数。